فرصت‌ها و چالش‌ها در توسعه درمان‌های هوشمند در حوزه روان

به گزارش چابک آنلاین به نقل از ایرنا، از زمان شروع همه‌گیری کووید-۱۹ در سه سال پیش، مردم بیشتر از هر زمان دیگری به دنبال کمک برای حل مشکلات سلامت روان از جمله افسردگی و اضطراب بوده‌اند.

این یک واقعیت غم انگیز است که خودکشی در حال حاضر چهارمین عامل مرگ و میر در بین افراد ۱۵ تا ۲۹ ساله در سراسر جهان است. این امر ناگزیر منجر به وارد کردن فشار زیادی بر خدمات درمانی و مراقبت‌های بهداشتی و درمانی می‌شود که دسترسی به آنها برای بسیاری دشوارتر از گذشته شده است. آیا فناوری هوشمند و مبتنی بر هوش مصنوعی می‌تواند بخشی از راه‌حل باشد؟ آیا نیاز بیماران به دارو را کاهش می‌دهد یا آزادی‌های آن‌ها را با حبس در بیمارستان‌های سلامت روان محدود می‌کند؟

بیایید نگاهی به برخی از راه‌هایی بیندازیم که در آن از این فناوری انقلابی برای تغییر زندگی و بهبود نتایج بیماران برای انواع شرایط سلامت روان استفاده می‌شود:

درمانگران هوش مصنوعی

آیا وقتی صحبت از تخلیه عمیق ترین و شخصی ترین احساسات خود به میان می آید، راحت تر از صحبت با یک ربات احساس راحتی می کنید؟ چت بات‌ها (ربات‌هایی که چت می‌کنند) به طور رو به رشدی برای ارائه مشاوره به بیماران سلامت روان در طول درمان‌شان استفاده می شوند و می‌توانند به مقابله با علائم بیماری‌های روانی کمک کنند.

یکی از نمونه چت‌ربات‌های درمانی Woebot است، یک ربات که از طریق چت یاد می‌گیرد خود را با شخصیت کاربران تطبیق دهد و می‌تواند از طریق تعدادی از درمان‌ها و تمرین‌های گفتاری که معمولاً برای کمک به بیماران استفاده می‌شود، به افراد مشاوره دهد تا با شرایط مختلف کنار بیایند.

یکی دیگر از این ربات‌های هوشمند، تس (Tess) نام دارد و پشتیبانی عاطفی رایگان ۲۴ ساعته و هفت روزه را ارائه می‌کند و می‌توان از آن برای مقابله با حملات اضطراب و هراس در هر زمان که رخ داد استفاده کرد.

پوشیدنی‌های هوشمند

برخی از راه حل‌های سلامت روان هوش مصنوعی به عنوان ابزارهای پوشیدنی عمل می‌کنند که می‌توانند سیگنال‌های بدن را با استفاده از حسگرها تفسیر کنند و در صورت نیاز برای ارائه کمک وارد عمل شوند.

برای مثال Biobeat اطلاعاتی در مورد الگوهای خواب، فعالیت بدنی و تغییرات ضربان قلب و ریتم جمع آوری می‌کند که برای ارزیابی خلق و خو و وضعیت شناختی کاربر استفاده می شود. این داده‌ها با داده‌های جمع‌آوری‌شده و ناشناس سایر کاربران مقایسه می‌شوند تا در صورت لزوم، هشدارهای پیش‌بینی‌کننده‌ای ارائه کنند. سپس کاربران می‌توانند رفتار خود را اصلاح کنند یا در صورت لزوم از خدمات مراقبت‌های بهداشتی کمک بگیرند.

تشخیص و پیش بینی نتایج بیمار

هوش مصنوعی همچنین می‌تواند برای تجزیه و تحلیل داده‌های پزشکی بیمار، داده‌های رفتاری و منابع داده‌ای متعدد دیگر را با استفاده از یادگیری ماشینی برای علامت‌گذاری علائم هشداردهنده مشکلات روانی قبل از پیشرفت و رسیدن به مرحله حاد استفاده کند. یک بررسی انبوه مطالعاتی که در آن از هوش مصنوعی برای تجزیه و تحلیل داده‌های مختلف استفاده شده است و توسط IBM و دانشگاه کالیفرنیا انجام شد، نشان داد که یادگیری ماشینی می‌تواند مشکلات سلامت روان، از جمله افکار خودکشی، افسردگی و اسکیزوفرنی را با دقت بالا پیش بینی و طبقه بندی کند.

علاوه بر این، محققان مرکز پزشکی دانشگاه واندربیلت دریافتند که داده‌های افراد بستری در بیمارستان، داده‌های جمعیت شناختی و داده‌های بالینی را می‌توان با یادگیری ماشینی تجزیه و تحلیل کرد تا با دقت ۸۰ درصد پیش‌بینی کنند که آیا یک فرد جان خود را از دست خواهد داد یا نه.

پروژه دیگری با تمرکز بر استفاده از هوش مصنوعی برای پیش بینی مسائل سلامت روان در موسسه آلن تورینگ (Alan Turing Institute) در حال انجام است. در اینجا، محققان به دنبال راه‌هایی برای استفاده از داده‌های مقیاس بزرگ (big data) از افرادی هستند که علائم مشکلات سلامت روان را نشان نداده‌اند تا پیش‌بینی کنند که کدام یک از آنها احتمالاً در طول زندگی خود علائمی را بروز خواهد داد.

هوش مصنوعی همچنین برای پیش‌بینی مواردی که بیماران بیشتر به درمان شناختی رفتاری (CBT) پاسخ می‌دهند و در نتیجه کمتر به دارو نیاز دارند، استفاده شده است. از آنجایی که داروهای ضدافسردگی و ضد روان‌پریشی می‌توانند عوارض جانبی داشته باشند که به خودی خود زندگی را محدود می‌کند، این پتانسیل را دارند که به میزان قابل توجهی نتایج بیمار را برای برخی از بیماری‌ها بهبود بخشد.

بهبود سازگاری بیمار

یکی از بزرگ‌ترین چالش‌های درمان بیماری‌های روانی، اطمینان از پیروی بیماران از درمان‌های تجویز شده از جمله مصرف دارو و شرکت در جلسات درمانی است. الگوریتم‌های رفتاری بیماران همچنین می‌توانند رخدادهایی را در زندگی بیماران شناسایی کنند که احتمالاً باعث عدم انطباق آن‌ها با روند درمان می‌شود. سپس این اطلاعات می تواند به کارکنانِ مراقبت‌های بهداشتی منتقل شود تا بتوانند با بیمار برای ایجاد روش‌هایی برای اجتناب یا مقابله با این موانع همکاری کنند.

چالش های استفاده از هوش مصنوعی در درمان سلامت روان

همانطور که نشان دادیم، به طور گسترده اعتقاد بر این است که هوش مصنوعی در زمینه پیش‌بینی مسائل مربوط به سلامت روان، ایجاد برنامه‌های درمانی شخصی‌شده و اطمینان از انطباق، بسیار سودمند است. با این حال، چالش‌های خاصی را نیز به همراه دارد که برای غلبه بر آنها به همکاری بین محققان هوش مصنوعی و کارکنان مراقبت های بهداشتی نیاز است.

اولاً موضوع سوگیری هوش مصنوعی وجود دارد؛ به این معنی که عدم دقت یا عدم تعادل در مجموعه داده‌های مورد استفاده توسط هوش مصنوعی می‌تواند پیش‌بینی‌های غیرقابل اعتماد را مستمر کند. ما همچنین باید این واقعیت را در نظر بگیریم که تشخیص مسائل مربوط به سلامت روان در مقایسه با تشخیص شرایط فیزیکی اغلب به قضاوت ذهنی بیشتری از جانب پزشکان نیاز دارد. این امر به طور بالقوه منجر به عدم اطمینان بیشتر در مورد تشخیص و نیاز به نظارت و پیگیری دقیق به منظور اطمینان از حصول بهترین نتایج برای بیماران می‌شود.

گزارش سازمان جهانی بهداشت در مورد چالش‌های استفاده از هوش مصنوعی در درمان و تحقیقات سلامت روان اخیراً نشان می‌دهد که هنوز «شکاف‌های قابل‌توجهی» در درک ما از نحوه استفاده از هوش مصنوعی در مراقبت‌های روانی و همچنین نقص‌هایی در نحوه پردازش داده‌ها توسط برنامه‌های کاربردی مراقبت‌های بهداشتی هوش مصنوعی موجود وجود دارد. اما به طور کلی، نشانه‌های امیدوارکننده‌ای وجود دارد که نشان می‌دهد هوش مصنوعی پتانسیل تأثیرگذاری مثبت خیلی زیادی در بسیاری از زمینه‌های مراقبت از سلامت روان را دارد.

 دهم اکتبر مصادف با ۱۸ مهر ماه از طرف فدراسیون جهانی بهداشت روان (WFMH) به عنوان «روز جهانی بهداشت روان» نامگذاری شده است. این فدراسیون برای این روز در هر سال، یک شعار خاص را انتخاب می کند.

امسال به مناسبت هفتاد و پنجمین سال تاسیس سازمان بهداشت جهانی (WHO) شعار روز جهانی سلامت «سلامتی برای همه» انتخاب شده است.

در ایران نیز ۱۸ تا ۲۴ مهر به نام هفته بهداشت روان نام گذاری شده است و عمده ترین هدف در این هفته ارتقا و افزایش آگاهی و تغییر و اصلاح نگرش مردم نسبت به مسائل بهداشت روان عنوان شده است.